Définir les pertes pour le RPN et le R-CNN
Vous vous apprêtez à entraîner un modèle de détection d'objets qui utilise à la fois les composants RPN et R-CNN. Pour pouvoir l'entraîner, vous devrez définir la fonction de perte pour chaque composant.
Vous vous rappelez que le composant RPN détermine si une région contient un objet et prédit les coordonnées de la boîte englobante pour les régions proposées. Le composant R-CNN classe l'objet dans l'une des classes possibles tout en prédisant les coordonnées finales de la boîte englobante.
torch, torch.nn comme nn ont été importés.
Cette activité fait partie du cours
Deep Learning pour les images avec PyTorch
Instructions de l’exercice
- Définissez la fonction de perte de classification du RPN et assignez-la à
rpn_cls_criterion. - Définissez la fonction de perte de régression du RPN et assignez-la à
rpn_reg_criterion. - Définissez la fonction de perte de classification du R-CNN et assignez-la à
rcnn_cls_criterion. - Définissez la fonction de perte de régression du R-CNN et assignez-la à
rcnn_reg_criterion.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Implement the RPN classification loss function
rpn_cls_criterion = ____
# Implement the RPN regression loss function
rpn_reg_criterion = ____
# Implement the R-CNN classification Loss function
rcnn_cls_criterion = ____
# Implement the R-CNN regression loss function
rcnn_reg_criterion = ____